반마르코프과정 (Semi-Markov Process)
쉽게 풀면
일반적인 마르코프연쇄에서는 한 상태에 머무는 시간이 항상 지수분포처럼 '기억이 없는' 특성을 가진다고 가정하지만, 현실에서는 특정 상태에 오래 머물수록 다음 상태로 넘어갈 확률이 달라지는 경우가 많습니다. 반마르코프과정은 상태가 바뀌는 규칙 자체는 마르코프연쇄와 비슷하게 확률적으로 정해지되, 각 상태에 머무는 시간의 길이는 훨씬 자유로운 분포를 허용하는 모형입니다. 그래서 '절반만 마르코프적'이라는 이름이 붙었습니다.
왜 중요한가
설비의 정상, 경고, 고장 상태처럼 여러 상태를 오가는 시스템에서 각 상태에 머무는 시간이 지수분포를 따르지 않는 경우가 흔하기 때문에, 반마르코프과정은 이런 현실적인 상태 지속시간을 반영한 신뢰성 분석과 유지보수 정책 수립에 중요한 이론적 틀을 제공합니다.
논문에서는 이렇게 쓰입니다
상태 지속시간이 지수분포가 아닌 실제 관측 분포를 따르도록 반영해 설비 상태 전이를 분석했다는 뜻입니다.
상태 체류시간의 임의 분포를 고려한 정비 정책의 장기적인 시스템 가동 가능 비율을 계산했다는 의미입니다.
조금 더 깊게 보면
반마르코프과정은 상태 전이확률과 각 상태의 체류시간 분포(임의의 분포 가능)라는 두 요소로 정의되며, 체류시간이 모두 지수분포이면 일반 연속시간 마르코프연쇄로 환원됩니다. 특정 시점에서 시스템이 어떤 상태에 있을 확률을 구하기 위해 재생과정 이론이 함께 활용되는 경우가 많습니다. 반마르코프과정은 각 시점에서 시스템이 어떤 상태에 있을 확률을 직접 구하기 어려운 경우가 많아, 재생과정 이론에서 도출된 적분방정식(반마르코프 방정식)을 통해 극한확률을 구하는 방식이 널리 쓰인다. 체류시간 분포로 와이블분포나 감마분포처럼 고장률이 시간에 따라 변하는 형태를 채택하면 마모나 열화 현상을 더 현실적으로 반영할 수 있다.
주의할 점
상태 체류시간 분포를 정확히 추정하기 위해서는 충분한 관측 데이터가 필요하며, 분포 가정이 부정확하면 상태 예측이나 가용도 추정의 신뢰성이 떨어질 수 있습니다. 체류시간 분포를 정확히 추정하려면 충분한 관측 데이터가 필요하며, 분포 가정이 실제와 다를 경우 상태 예측이나 가용도 추정의 신뢰성이 크게 떨어질 수 있다.